基于LSTM的水文站流量短期預(yù)測(cè)建模差異性研究

摘要： 當(dāng)前水文預(yù)測(cè)模型研究缺乏對(duì)不同流域神經(jīng)網(wǎng)絡(luò)建模參數(shù)差異性選擇的分析，模型的適應(yīng)性較低，不利于模型推廣運(yùn)用。為此，選取黃河流域3個(gè)子流域?yàn)檠芯繉?duì)象，基于離散小波算法和長(zhǎng)短期記憶人工神經(jīng)網(wǎng)絡(luò)(LSTM)模型對(duì)不同特征子流域的水文站進(jìn)行參數(shù)差異性建模研究，以提高水文預(yù)測(cè)模型的適應(yīng)性。結(jié)果表明：歷史流量周期性好、受人類(lèi)活動(dòng)影響小的水文站，可以基于水文站歷史流量建立預(yù)測(cè)模型；對(duì)于受上游流...